制造商正在从数据生成转向数据处理。涉足“数据沼泽”
一家大型航空航天设备制造商努力平衡供需。失败导致交货时间长、库存高、成本上升以及无法满足客户需求。制造商面临失去市场份额的风险。
“当我们四年前开始时，假设是如果你将所有可能的数据收集到一个地方，奇迹就会发生，”Jeremiah Stone，副总裁兼资产GE Digital 的绩效经理说。 “我们了解到魔法发生的可能性很小。”上图是 Stone 最近在加利福尼亚州山景城的计算机历史博物馆就工业物联网发表的演讲。答案是什么？利用公司已有的大量数据——德勤制造负责人 Steve Shepley 说：“在生产过程中发现问题。”
“对客户来说，价值在于更快地获得产品，”他说。
价值对制造商而言：交货时间减少了 45%，总库存减少了 22%，每年生产成本节省 1 亿美元。
价值还可能体现在防止设备故障方面。
GE Digital 副总裁兼资产绩效经理 Jeremiah Stone 表示，在过去几年中，GE 的航空客户发现一些获得 FAA 认证的 GE 飞机发动机的退化速度比预期的要快。
“那是糟糕 - 你永远不希望发动机的性能与预期不同，”他说。
深入研究数据表明，性能下降不是由于制造问题。相反，这些问题与经常飞越远东的飞机有关，那里的空气中有大量颗粒物污染，d 中东，那里有丰富的沙子，斯通说。这些大气条件引起的摩擦导致风扇叶片的退化速度快于预期。
“仅通过观察风扇叶片，我们看不到它。这是一个隐藏的历史，”他说。 “当一家航空公司购买一架飞机时，他们不会告诉你他们要去哪里飞行。但是，通过将叶片的状况与飞行计划相关联，我们可以找出其中的关系。”
基于这些知识，航空公司改变了世界那些地区的起飞技术，斯通说。飞行员现在不再采用节省气体的低坡度起飞，而是进行全功率升空，以尽快脱离沙子或污染。在维护方面，在这些地区飞行的飞机上的发动机会更频繁地清洗以去除沙砾。
“三个群体受益，”斯通说。 “通用电气受益，因为我们的许多合同都是绩效基于。客户不只是以固定价格购买发动机。他们购买服务合同。如果我们不履行合同义务，我们将遭受处罚并降低利润。客户受益于稳定的容量，而不必让引擎下线。监管机构受益，因为他们可以支持运营商和发动机制造商以尽可能低的总成本向市场提供安全的运输。”
但制造商在利用大数据时面临的一个问题是……所有这些数据。
p>“当我们四年前开始时，我们的假设是，如果您将所有可能的数据收集到一个地方，就会发生奇迹，”斯通说。 “我们了解到，奇迹发生的可能性很小。”
“车间中的大数据肯定会变得越来越大，”PTC 制造战略和物联网解决方案副总裁 JP Provencher 说. “T客户的问题不是生成数据。他们已经在生成数据。但他们只使用了 3% 或 4%。挑战在于让它变得有意义。”
“超过 86% 的数据湖是断开连接的，”SAP 数据库和数据管理产品营销主管 Ken Tsai 说，他使用描述数据和数据的术语数据信号，在这种情况下不与其他业务共享。 “它没有连接到应用程序。这是一个数据沼泽。这就是为什么你必须有一个处理原始数据的过程，这些数据可能重要也可能不重要。”
“公司希望梳理和理解高价值的数据并存储这些数据，”他说。 “有时可能有价值的原始数据——他们也想存储它。”
选择数据
准确决定要利用哪些数据至关重要。很多时候，公司在寻求组织时陷入困境分析、理解每个数据点并实现 100% 准确的报告。
优化生产和缩短交付周期的答案可能取决于 6000 个数据点中的 9 个，就像另一位德勤客户所发生的那样，Shepley 说。
“我们的客户很少（如果有的话）遇到大数据问题，”他说。 “大多数情况下，他们遇到了信息问题和无法采取行动的问题。”
制造商通常会寻求帮助构建“海量高速数据库”以处理激增的数据量，谢普利说。而且，他补充说，公司通常“不知道”哪些数据正在为他们创造价值。
帮助工厂经理
工厂经理也需要立即获得数据。
“越来越多的工厂经理希望对操作员进行实时可见性，”Provencher 说。 “他们无法再处理一份报告，该报告会在周四早上告诉他们周三出现的所有问题日。他们现在需要这些数据，以便更快更好地做出决策。”
如果制造商不知道自己在寻找什么，就无法找到他们需要的东西。为了最好地解决这个问题，制造商应该设定他们的业务目标并逆向工作以仅处理他们需要的数据。剩下的就放手吧。
“这听起来很明显，但那里有很多钓鱼探险，”斯通说。 “现在我们更关注最终状态，以确定我们需要的数据和数据模型。将结果与所需数据联系起来是更好的方法。”
但旧的技术和工具不能很好地提取、管理和利用运营端数据。
“我们发现适用于交易后台数据的技术不适用于运营大数据，”Stone 说。 “我们必须忘掉我们从企业界学到的一切关于提取和管理的知识。建模技术。”
例如，大多数用于后台数据的商业智能系统都使用高度结构化的数据模型进行操作，这些模型以易于数据建模人员理解的方式进行标记，他说。员工可以很好地用 ID 号、名字和姓氏来描述。
在运营领域并非如此。
例如，泵可能被标记为 STH PMP 100. 除非你使用该系统，否则你不会知道标签代表南翼的泵 100。
“在运营领域，我们经常处理来自 SCADA 系统或控制系统，”斯通说。 “数据没有固有结构。数据以一种非常隐蔽的方式命名。”
这些隐蔽名称的部分原因是几十年前泵、传感器或其他设备投入使用时处理空间有限，他说。
“与消费世界相比，工业世界使用较低水平的计算能力，”斯通说。 “当我在工业界担任软件工程师时，我的工作空间有限。”因此，名称更短、更神秘。
“传统上，工程师知道这些名称是什么，”他说。 “他们将所有数据从控制系统复制到一个大数据库中。”
但这些工程师不具备构建系统来为这些数据建模的技能。
Stone 说，由于来源和数据结构的多样性，从几十个源系统中构建一个新的数据模型是很费力的。
“你引入的 IT 人员不知道这些是什么名字的意思。你必须找到构建数据模式的人才能理解它的含义，因为在时间结构之上没有添加结构。你必须找到了解 STH PMP 100 含义的工程师，”他补充道。
“输入压力是哪个？哪一个是第e 输出压力？他们在这里工作了吗？那些工程师还活着吗？你说的是可能在 10-40 年前投入使用的资产。你可以想象这是一个侦探练习。”
旧方法意味着工程师必须花费大量工时使用 Excel 将多个遗留源集成到单个数据模型中，Stone 说。他说，对于一个 GE 客户——一家石油和天然气钻井公司——这个过程花费了六个月以上的时间。训练有素的工程师花费大量时间“做基本的苦差事：数据建模和数据管理”。
任何大数据项目的数据建模/发现部分都必须在挂历上计划“因为它需要这么长时间，”他说。 “我们在过去几十年建立的工具实际上毫无用处。这些工具假设数据本质上是结构化的。这是后台世界；它不在运营领域。”
另一位专业人士问题：这些遗留系统的设计更换周期很长，这给在不升级和重新调试整个工厂的情况下从当今技术中获益带来了挑战，Stone 说。
将工程人才从繁重的工作中解放出来
这些新工具和技术正在加速这一过程，并将工程人才从繁重的工作中解放出来。
GE 去年收购了 Bit Stew Systems 及其人工智能数据管理工作台和 Mix Core 数据集成平台.他说，如果使用 BitStew 的数据摄取和建模技术，构建需要超过 6 个月的映射模型现在需要 4.5 小时，该技术使用先进的人工智能技术来推导出正确的数据关系和含义。
同样, SAP 的 HANA 平台使公司能够在几分钟甚至几秒钟内生成报告，而不是几小时或几天，Tsai 说。
在 GE，工程顾问现在专注于评级工作 dStone 说：“这是由人工智能实现的。”
“你的主要进步在于人类的生产力，”他说。 “以前，要弄清楚质量变化的根本原因是什么，就像在野外追逐。有了这些工具，我们从工程师那里省去了很多手动过程。他们可以完成自己的工作，即分析，而不是手动检查数据集。他们可以显着提高生产力和效率。我们已经过了实验阶段，进入了性能阶段。”
努力连接所有数据源
关键步骤是连接所有数据源，然后具有灵活性Provencher 说，通过基于角色的应用程序传递这些信息，这些应用程序准确地显示每个人需要查看和消化哪些数据以实现其目标。
除了解放工程师之外，适当的大数据管理还可以解放员工其他工人也是如此。
一个德勤客户，使 construction 设备正在失去市场份额，因为它的交货时间太模糊。
“他们在他们的一个生产设施中苦苦挣扎，需要多长时间才能通过质量控制并到达客户手中，”Shepley
他说。
与此同时，制造商的客户正在支付专业的、高成本的技术人才，让他们站在一旁等待这些交货，他说。
“他们遭受了大量的销售损失，”谢普利说。 “他们的竞争对手正在吃他们的午餐。”
制造商现在再次具有竞争力。
处理来自传感器的数据
德勤的平台帮助该公司使用来自传感器的数据和其他数据点，以了解生产和质量控制在哪里挂起并解决问题，他说。
制造商过去常常给出正负 20 天的交货日期。现在，它提供准确到小时或更准确的交货估计。
&ld“当你专注于正确的结果时，你需要的数据远远少于你的预期，”Shepley 说。
最后，制造商还必须超越更换所有当前技术的方法，因为他们寻求解决新问题。
过去，当公司想要改善他们的制造系统环境时，他们会用一套完整的新软件和/或技术替换以前供应商的软件，这是一种“推倒重来” - 替换方法，”Provencher 说。
“这不再有效，并且不再需要多年的颠覆性部署，”他补充说。
覆盖物联网平台在现有资产上
Provencher 说，新方法是在现有制造软件和资产之上叠加物联网平台。
“我们告诉我们的客户‘保留您拥有的所有系统，你到目前为止所做的投资'，”他说。 “停止尝试替换和构建一对一整合。物联网平台连接到您所有现有的资产和系统，使用所有这些语言，并允许公司将现有数据转化为新的洞察力和商业价值来源。”
公司需要从最终目标入手并回过头来决定他们需要哪些数据并利用这些数据来实现目标。
“与其让他们淹没所有原始数据，不如让他们创建基于角色的应用程序，其中包含机器和业务数据一个屏幕，准确显示他们需要什么和他们感兴趣的东西，”Provencher 说。 “他们可以访问经过简化的实时数据，因此他们只看到他们关心的内容。”
减少对特定技术的关注
让制造商关注业务成果而不是Shepley 说，特定的技术会有所帮助。
“大多数情况下，客户购买了技术并试图为其寻找下家。我们专注于重新引导业务结果。我们首先对结果进行建模。我们从问题中倒推，看看支持新行动需要哪些流程、技术和数据。您可能需要拼凑多种技术。没有任何一种技术能让你达到那种结果。”
失败可能为成功铺平道路。
“我们的客户不再需要遵循传统的 12 个月资本周期，”谢普利说。 “我们的客户可以使用我们的平台和工具进行实验，如果他们要失败就快速失败，然后继续前进。”
创建具有不同技能组合的团队
让所有Shepley 说，这项工作需要不止一种技能。
一个多学科团队应该包括预期的数据科学家、主题专家和编码员。
“他们确实后端的繁重工作，构建一个以交付结果所需的速度运行的平台，”他说。为了保护平台和数据，需要安全专家了解 IT 和 OT 安全的人。
但同样重要的是了解业务问题的人和通常具有艺术或社会科学背景的所谓体验设计师，Shepley 说。
了解业务案例的人将确保结果创造业务价值，他说。
“如果没有这些人参与，您可能会创建先进、灵活的解决方案，但您不会具有任何商业价值，通常是车轮上最重要的齿轮。”
将数据集成到一个无摩擦的环境中以提取业务“确实是我们所有人都在努力实现的圣杯，”Tsai 说.
“大数据现在无处不在，”他补充道。 “我们正在努力降低门槛。”
